数模 笔记系统 @符号

《数模 笔记系统 @符号》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、思维考虑要全面想到就应该写出来，写出来总有分。尽量全面考虑。数模常用模型、算法数据源在360安全浏览器收藏夹中。数据处理方法软件matlab擅长矩阵变换等，涉及矩阵形式变换，求和汇总构造新矩阵时应当使用之。Excel擅长直观处理。自定义横轴==右击图像→“选择数据”→“水平（分类）轴标签”→选择数据自定义序列名==点击图像→点击右侧漏斗状图标→“数值”→“序列”→序列右侧“编辑序列”图标。定位空值==选中范围→“开始”→“查找与选择”→“定位条件”→“空值”[说明]通过此方法还可以快速选中有公式的、常量、批注、条件格式、数据验证；可以管理窗格（绘图）的可见性快捷键F5==定位删除选项

2、中包含“整行”、“整列”可以一次删除一行、列。函数AND（[<条件>]iii）当所有条件成立时返回true，否则返回falseSPSS绘图功能建模方法数据分类比较相等比较大小加减乘除定比型数据OOOO定距型数据OOO定序型数据OO定类型数据O比距序类定比型数据(RatioScale)定比型变量就是常说的数值变量，拥有零值及数据间的距离是相等被定义。可以进行四则运算。ex：身高、体重、血压等的连续性数据，也包括诸如人数、商品件数等离散型数据。定距型数据（IntervalScale）数字型变量，可以求加减平均值等，但不存在基准0值，即当变量值为0时不是表示没有。ex：温度变量，当温度为0

3、时，并不是表示没有温度。定序型数据（OrdinalScale）具有内在固有大小或高低顺序，但不具有数值性质，能进行数学运算。可以排序，不能运算。ex：职称变量可以有低级、中级和高级三个取值，可以分别用1、2、3等表示；年龄段变量可以有老、中、青三个取值，分别用A、B、C表示等。这里无论是数值型的1、2、3还是字符型的A、B、C，都是有大小或高低顺序的，但数据之间却是不等距的，因为低级和中级职称之间的差距与中级和高级职称之间的差距是不相等的，因此可以排序，但不能加减。定类型数据（NominalScale）没有内在固定大小或高低顺序，一般以数值、字符、文字表示的分类数据。ex：性别男和女

4、建立模型概率模型离散型0-1分布用于描述单次只有两种可能的实验的结果。二项分布使用条件多次观察相互独立，且概率相同结果只有两种，且彼此对立泊松分布使用条件稀有事件（小概率事件）大量独立重复试验[说明]l越小，分布越偏畸；l越大，分布越均匀。实际问题中l>20即可当作正太分布处理。e.g.纺织品上的疵点数，印刷品中的错字数，某时间段内电话交换台接到的呼叫次数，某时间段内公共汽车站等车的乘客人数等连续型Logistic模型应用范围s型，[-infinf,01]y的取值发生的概率（p）与某个/些暴露因素（x）的关系p在0-1内。单因素方程性质==取值在（0,1）间，关于其上纵坐标为0.5的

5、点中心对称。logit变换==线形关系：参数确定==通常用最大似然函数(maximumlikelihoodestimate，MLE)估计β，由SPSS完成。变量赋值两类型==0/1有序变量==，赋值0...n无序变量==哑变量形式。1个变量n种无序取值分解为n-1个变量，取值为0/1.一般进行回归时，例数应为变量数的5-20倍。均匀分布正态分布（高斯分布）正态分布是二项分布的极限分布．主要应用范围描述区域稳定状态的某项指标取值概率。它的“钟型”特征与实际中很多随机变量“中间大，两头小”的分布规律相吻合．e.g.人的各种生理指标，一个班的一次考试成绩，测量的误差等指数分布使用条件实验使

6、用条件。大量独立重复试验或持续实验。主要应用范围描述没有明显衰老现象的各种“寿命”的分布。e.g.电子元件的寿命，随机服务系统的服务时间等。韦伯分布伽玛分布卡方分布评价模型熵值法Topsis法变异系数法层次分析法（Ahp）√模糊综合评价法√模糊集的基本概念模糊子集和隶属函数隶属函数的确定模糊矩阵及其运算性质模糊聚类分析关系及分类模糊关系模糊等价矩阵模糊相似矩阵模糊聚类分析的一般步骤最佳分类的确定模糊模型识别模糊模型识别方法之一——最大隶属原则模糊聚类识别方法之二——择近原则模糊决策模糊二元对比决策模糊综合评判决策模糊线性规划模糊线性规划多目标线性规划通常用于表示人对某一因素的主观感受

7、，达到期望后敏感度下降，不达期望时敏感度上升。秩和比法预测模型色关联分析模型√。分成趋势性+周期项进行预测。趋势项可用平均数代替，周期项考虑随机因素神经网络√神经网络模型是以神经元的数学模型为基础来描述的。神经网络模型由网络拓扑．节点特点和学习规则来表示。神经网络对人们的巨大吸引力主要在下列几点：1．并行分布处理。2．高度鲁棒性和容错能力。3．分布存储及学习能力。4．能充分逼近复杂的非线性关系。对于激发函数f[·]有多种形式，其中最常见的有阶跃型、线性型和